起源
我们都知道计算机诞生于美国；起初，美国人想到了用8位作为一个字节来传输数据，并使用0~127表示他们常用的文字与符号，其中也包括$(美元符号)；并将这份编码表作为一个标准在美国流通起来，人们把这份编码称之位美国标准信息交换码American Standard Code for Information Interchange，它的缩写我们大家可能都耳熟能详，叫做ASCII码表。
英文字母对应ASCII码
A-Z:65~90,a~z:97~122
发展
后来，这边编码流传到了欧洲，英国人发现当前编码没有办法表示￡(英镑符号)，正好ASCII也只用过了0 ~ 127，于是他们把128 ~ 255也应用了起来，所以128 ~ 255被称为ASCII扩展码；信息的魅力在于传播跟应用，这份字符集也传入了中国，中国文化博大精深，源远流长，常用汉字6000+，全部汉字有数万个；我们维持了0 ~ 127的原意，并毫不客气的将127位之后的杂七杂八的符号全部取消掉，当两个大于127的字符在一起时就表示一个汉字；前面一个字节称之为高位（0xA1 ~ 0xF7），后面一个字节称之为低位（0xA1 ~ 0xFE）；这份编码便是鼎鼎有名的GB2312，其实是ASCII的中文扩展。
然而汉字实在是太多了，随后他们干脆不再要求低位必须大于127；对GB2312又进行了一次扩展，这份扩展被称为GBK，GBK完全兼容GB2312，并新增了2W多个汉字；再后来少数民族也开始使用计算机，我们又加入了少数民族的文字，GBK又被扩展成了GB18030；从此之后，中华大地的文明便可以在计算机的世界里流通了；由于是有两个字节组成的，所以被称为双字节字符集Double Byte Charecter Set简称DBCS，所以早年就有了一个汉字，两个字符的计算机口诀。
就这样每个国家和地区都有了一套自己的扩展，各个扩展之间互不兼容，所以有一个组织国际标准化组织（ISO），开始关注并着力于解决这一问题。于是，他们废除各地区的编码标准，准备自己撸起袖子，起草一份统一的编码，届时计算的存储容量也得到了发展，他们于是直接大方的规定有两个字节表示一个字符，并旨在统一表示地球上所有的文字与符号，它也有一响亮的名字，Universal Multiple-Octet Coded Character Set，简称 UCS, 俗称 unicode。
升华
但是，所有的字符都需要占用两个字节，英文等需要的存储空间较原来增加了一倍，一向精打细算的人们不愿意了。unicode在很长一段时间内无法推广，直到互联网的出现，为解决unicode如何在网络上传输的问题，出现了UCS Transfer Format 简称UTF；顾名思义UTF-8就是表示每8位传输数据，UTF-16表示每16位传输数据；这样使得编码无国界，可以传输全世界所有文化的字符，从此汉字不在是两个字符，而是一个字符。
UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1 ~ 4个字节表示一个符号，根据不同的符号而变化字节长度，当字符在ASCII码的范围时，就用一个字节表示，保留了ASCII字符一个字节的编码做为它的一部分，注意的是unicode一个中文字符占2个字节，而UTF-8一个中文字符占3个字节）。从unicode到uft-8并不是直接的对应，而是要过一些算法和规则来转换。
从unicode到uft-8并不是直接的对应，而是要过一些算法和规则来转换。
Unicode符号范围(2个字节) | UTF-8编码方式 （1~4个字节）
(十六进制) | （二进制）
—————————————————————–
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
网友评论